數(shù)字圖像復(fù)原方法的研究.pdf

1、作為圖像處理和計算機視覺的基礎(chǔ),圖像復(fù)原能夠解決圖像質(zhì)量的退化問題。在圖像的攝取、傳輸和存儲的過程中,不可避免地會引入不同程度的模糊和噪聲,引起圖像質(zhì)量的下降,稱為圖像的降質(zhì)或退化。在許多應(yīng)用領(lǐng)域,如遙感、醫(yī)學(xué)成像和軍事監(jiān)察等,圖像退化都是一個普遍存在且亟需解決的問題。
　　 噪聲和模糊是導(dǎo)致圖像降質(zhì)最主要的兩個因素。而由于產(chǎn)生的原因不同,噪聲和模糊又都分為許多不同的類型。本文的重點是針對不同類型噪聲的去噪方法和對不同類型模糊的

2、點擴散函數(shù)識別及估計方法的研究。本文的成果與創(chuàng)新主要包括:
　　 對于脈沖噪聲,本文提出一種基于參考圖像的去除隨機脈沖噪聲的算法。該方法利用鄰域像素相對差排序的統(tǒng)計方法來判斷每一個像素點是否被脈沖噪聲污染。一旦確定該像素被噪聲污染,利用一種簡單的加權(quán)濾波器對其進行復(fù)原,該濾波器可以在保留圖像細節(jié)的同時抑制脈沖噪聲。大量的實驗結(jié)果表明,該方法在對脈沖點檢測的準(zhǔn)確率,復(fù)原圖像的峰值信噪比和算法的效率上都顯著優(yōu)于其他許多知名的去除隨機

3、脈沖噪聲方法。
　　 對加性高斯噪聲,本文提出了一種結(jié)合小波三元萎縮濾波器和空域聯(lián)合雙邊濾波器的去除高斯噪聲的方法。在小波域里,考慮到相鄰小波系數(shù)之間的相關(guān)性,提出一種三元小波系數(shù)模型,進而利用最大后驗估計得到三元萎縮濾波器。盡管基于小波變換的去噪方法在圖像去噪方面非常有效,但也容易產(chǎn)生一些低頻噪聲和與小波結(jié)構(gòu)相關(guān)的偽影,影響主觀視覺效果。另一方面,一些基于空域的方法能夠得到去噪效果更好的圖像,但代價是這些算法都運算量很大。所以

4、,為了減小運算量,提高空域算法的效率,本文進而提出一種基于小波去噪結(jié)果的聯(lián)合雙邊濾波器,由于不像別的算法直接在空域中運算,該聯(lián)合雙邊濾波器可以用很小的運算代價獲得很好的去噪效果。對于彩色圖像去噪聲,一個非常簡單的辦法就是將灰度圖像的去噪方法分別單獨用在不同的通道內(nèi),但這樣的方法顯然不是最優(yōu),因為通道之間可能存在著很強的相關(guān)性,好的彩色圖像去噪聲方法應(yīng)該能夠利用這些相關(guān)性。本文中的三元萎縮濾波器和聯(lián)合雙邊濾波器的另一個非常重要的優(yōu)點就是它

5、們都可以很容易的被擴展到多通道,并且可以很好的利用這些相關(guān)性。所以本文對彩色圖像去高斯噪聲的問題也做了討論。通過實驗,我們主要從峰值信噪比和主觀復(fù)原效果等方面和一些重要的去高斯噪聲的算法進行了對比,結(jié)果表明本文提出的算法非常具有競爭力。
　　 對于核磁共振醫(yī)學(xué)圖像中常出現(xiàn)的Rician噪聲,本文也提出了一種有效的去噪算法。盡管和高斯噪聲不同,Rician噪聲和信號本身具有一定的相關(guān)性,但考慮到它與高斯噪聲之間的聯(lián)系,本文提出一種

6、基于小波高斯去噪聲方法的迭代算法,實驗證明,這種方法可以非常有效的去除Rician噪聲。
　　 眾所周知,對于真實噪聲圖像,高斯白噪聲的假設(shè)并不總是準(zhǔn)確的。真實噪聲的特點主要表現(xiàn)為空間上的多樣性并且與信號和通道具有相關(guān)性。事實上,去除真實噪聲圖像中的非高斯噪聲是很困難的。本文提出新的基于圖像邊緣的雙邊濾波方法。該方法首先將噪聲圖像中的所有像素點分邊緣區(qū)域或非邊緣區(qū)域,對不同的區(qū)域采用不同的策略和參數(shù),很好的平衡去噪聲和保持圖像特